matplotlib은 Python에서 그래프를 그리는 표준 라이브러리이다. 선그래프, 산점도, 막대그래프, 히트맵 같은 대부분의 과학·공학 그림을 몇 줄로 그릴 수 있다. 본문에서는 그중에서도 pyplot이라는 하위 모듈만 사용하며, 관례상 plt라는 짧은 이름으로 줄여 쓴다.
본문에서 matplotlib이 차지하는 자리는 분명하다. Fortran이 계산한 숫자는 그 자체로는 길게 늘어선 수의 나열일 뿐이다. 이 숫자를 사람이 한눈에 이해할 수 있는 형태로 바꾸는 마지막 단계가 시각화이며, 그 일을 matplotlib이 담당한다. 즉 matplotlib은 "수치 결과가 그림이 되는" 흐름의 끝을 맡는 도구이다.
Colab에는 matplotlib과 numpy가 이미 설치되어 있다. 따라서 본문의 Python 셀에서는 설치 명령 없이 곧바로 불러 쓰기만 한다. 본문 전체에서 다음 세 줄을 고정된 도입부로 사용한다.
import csv
import numpy as np
import matplotlib.pyplot as plt
각 줄의 뜻은 다음과 같다. import csv는 csv 파일을 한 줄씩 읽기 위한 표준 모듈을 불러온다. import numpy as np는 수치 배열을 다루는 numpy를 np라는 이름으로 불러온다. import matplotlib.pyplot as plt는 그래프 그리기 기능을 plt라는 이름으로 불러온다. 본문 모든 그림 예제는 이 세 이름(csv, np, plt)을 그대로 사용하므로, 코드에서 plt가 보이면 곧 matplotlib을 부르고 있다고 읽으면 된다.
Python과 matplotlib을 활용해 데이터를 그림으로 바꾸는 과정은 매우 단순하며, 기본적으로 다음의 3단계 흐름을 따른다.
도구 불러오기 (import)
그래프를 그리는 핵심 모듈을 plt라는 약칭으로 불러온다.
python
import matplotlib.pyplot as plt
그래프 그리기 (plot, bar, scatter)
전달받은 데이터의 형태에 따라 적절한 함수를 사용해 메모리 상에 그림을 그린다. 선 그래프는 plt.plot(), 막대그래프는 plt.bar(), 점으로 분포를 나타내는 산점도는 plt.scatter()를 사용한다.
그림 파일로 저장하기 (savefig)
화면에 그린 그래프를 이미지 파일로 최종 저장한다.
python
plt.savefig("그림.png")
이처럼 Fortran으로 뼈대를 만들고 Python으로 옷을 입히는 연계 과정을 이해하면, 복잡한 과학 계산 결과도 누구나 쉽게 이해할 수 있는 직관적인 시각 자료로 재탄생시킬 수 있다.
그림을 그리기 전에, Fortran이 저장해 둔 csv 파일을 Python 쪽 숫자로 가져와야 한다. 본문에서는 두 가지 방법을 쓴다. 하나는 표준 csv 모듈을 쓰는 방법이고, 다른 하나는 numpy로 한 번에 읽는 방법이다. 두 방법은 결과가 같으므로, 상황에 맞게 골라 쓰면 된다.
본문 1장과 6장에서 처음 소개하는 기본 방식이다. 파일을 열어 한 줄씩 읽고, 각 줄을 쉼표로 나눈 뒤 숫자로 바꿔 리스트에 모은다.
xs, ys = [], []
with open("data.csv") as f:
for row in csv.reader(f):
xs.append(float(row[0]))
ys.append(float(row[1]))
한 줄씩 풀어 읽으면 다음과 같다. xs, ys = [], []는 빈 리스트 두 개를 만든다. with open("data.csv") as f:는 data.csv 파일을 열어 f라는 이름으로 다룬다(블록을 벗어나면 파일이 자동으로 닫힌다). csv.reader(f)는 파일을 한 줄씩, 그리고 각 줄을 쉼표 기준으로 잘라 준다. 잘린 한 줄이 row이며, row[0]은 첫 번째 열, row[1]은 두 번째 열이다. 파일에서 읽은 값은 글자 형태이므로 float(...)로 실수로 바꾼 뒤 리스트에 더한다.
열이 여러 개이거나 값이 많을 때는 numpy의 loadtxt로 통째로 읽는 편이 간단하다.
data = np.loadtxt("data.csv", delimiter=",")
x = data[:, 0]
y = data[:, 1]
np.loadtxt는 csv 파일을 숫자 표(2차원 배열)로 한 번에 읽는다. delimiter=","는 값이 쉼표로 나뉘어 있다는 뜻이다. 읽어 들인 data에서 data[:, 0]은 모든 행의 첫 번째 열, data[:, 1]은 모든 행의 두 번째 열을 뜻한다. 본문에서 비교 그래프처럼 열이 셋 이상인 파일은 대개 이 방식으로 읽는다.
가장 자주 쓰는 그림은 선그래프이며, plt.plot으로 그린다. 앞에서 읽은 xs, ys를 그대로 넘기면 된다.
plt.plot(xs, ys)
plt.show()
plt.plot(xs, ys)는 가로축 값 xs와 세로축 값 ys를 짝지어 점을 찍고, 그 점들을 선으로 잇는다. plt.show()는 완성된 그림을 화면에 띄운다. Colab에서는 셀을 실행하면 그림이 셀 아래에 바로 나타난다.
선의 모양과 색은 옵션으로 바꾼다.
plt.plot(xs, ys, color="tab:blue", linestyle="--", linewidth=2)
color는 선 색, linestyle은 선 모양("-" 실선, "--" 점선), linewidth는 선 굵기이다. 값을 점으로만 찍고 싶으면 marker="o"를 더한다.
그림에 정보를 더하는 함수들은 본문 거의 모든 예제에 똑같이 등장한다. 한 번 익혀 두면 모든 장에서 그대로 읽힌다.
plt.figure(figsize=(8, 5))
plt.plot(xs, ys)
plt.xlabel("x")
plt.ylabel("sin(x)")
plt.title("Computed by Fortran, plotted by Python")
plt.grid(True)
각 함수의 역할은 다음과 같다. plt.figure(figsize=(8, 5))는 그림판의 크기를 정한다. 괄호 안의 두 수는 (가로, 세로) 크기이며, 본문은 가로 크기를 8로 통일한다(집필 지침 25). plt.xlabel과 plt.ylabel은 각각 가로축과 세로축의 이름을 붙인다. plt.title은 그림 위쪽에 제목을 단다. plt.grid(True)는 배경에 격자선을 그려 값을 읽기 쉽게 한다.
본문 4장(여러 수학 함수 겹쳐 그리기)과 11장(매개변수를 바꿔 호출한 결과군)처럼, 곡선 여러 개를 한 그림에 겹쳐 그리는 경우가 많다. plt.plot을 여러 번 부르면 같은 그림 위에 차례로 겹쳐진다. 이때 각 곡선에 label을 붙이고 plt.legend()를 부르면 어떤 선이 무엇인지 알려 주는 범례가 생긴다.
data = np.loadtxt("compare.csv", delimiter=",")
plt.figure(figsize=(8, 5))
plt.plot(data[:, 0], data[:, 1], label="sin", color="tab:blue")
plt.plot(data[:, 0], data[:, 2], label="cos", color="tab:red", linestyle="--")
plt.xlabel("x")
plt.ylabel("value")
plt.legend()
plt.grid(True)
plt.show()
여기서 compare.csv는 첫 번째 열이 가로축 값이고, 두 번째와 세 번째 열이 각각 다른 곡선의 값이라고 가정한 것이다. plt.plot을 두 번 불러 두 곡선을 그리고, 각각에 label로 이름을 달았다. 마지막에 plt.legend()가 그 이름들을 모아 작은 상자로 보여 준다. plt.legend()를 빠뜨리면 곡선은 그려지지만 범례 상자는 나타나지 않는다.
본문 2장(결과 점 찍기), 6장(산점도), 13장(입자 위치)처럼 값들을 선으로 잇지 않고 점으로만 찍을 때는 plt.scatter를 쓴다.
plt.figure(figsize=(8, 5))
plt.scatter(xs, ys, s=12, color="tab:green")
plt.xlabel("x")
plt.ylabel("y")
plt.show()
plt.scatter(xs, ys)는 xs와 ys를 짝지어 점만 찍는다. s는 점의 크기, color는 점의 색이다. 선그래프와 달리 점을 잇는 선이 없으므로, 흩어진 데이터의 분포를 볼 때 알맞다.
본문 1장의 첫 그림 예제는 수열을 막대그래프로 표시한다. 막대그래프는 plt.bar로 그린다.
data = np.loadtxt("bars.csv", delimiter=",")
plt.figure(figsize=(8, 5))
plt.bar(data[:, 0], data[:, 1])
plt.xlabel("n")
plt.ylabel("value")
plt.show()
plt.bar(x, height)는 가로축 위치 x마다 높이 height인 막대를 세운다. 위 예에서는 첫 번째 열이 막대의 위치, 두 번째 열이 막대의 높이가 된다. 항목별 값을 비교해 보일 때 알맞다.
본문 7장(2차원 배열)과 8장(행렬 곱 결과)처럼 표 모양의 2차원 데이터는 색의 진하기로 값을 나타내는 히트맵이 알맞다. plt.imshow로 그린다.
grid = np.loadtxt("grid.csv", delimiter=",")
plt.figure(figsize=(8, 5))
im = plt.imshow(grid, cmap="viridis", origin="lower", aspect="auto")
plt.colorbar(im, label="value")
plt.xlabel("column")
plt.ylabel("row")
plt.show()
plt.imshow(grid)는 2차원 배열 grid의 각 칸을 값에 따라 다른 색으로 칠한다. cmap은 사용할 색 배열(컬러맵)의 이름이며 "viridis"가 무난하다. origin="lower"는 배열의 첫 행을 그림 아래쪽에 놓아, 수학에서 다루는 좌표 방향과 맞춘다. aspect="auto"는 칸을 정사각형으로 강제하지 않고 그림판에 맞춰 늘인다. plt.colorbar는 색과 값의 대응을 보여 주는 색 막대를 옆에 붙인다. imshow가 돌려준 im을 colorbar에 넘기면 그 그림에 맞는 색 막대가 만들어진다.
본문 15장의 종합 프로젝트는 그림 여러 개를 나란히 배치한다. 이때는 plt.subplots로 그림판을 여러 칸으로 나눈다.
fig, axes = plt.subplots(1, 2, figsize=(8, 4))
axes[0].plot(xs, ys)
axes[0].set_title("line")
axes[0].set_xlabel("x")
axes[0].grid(True)
axes[1].scatter(xs, ys, s=8)
axes[1].set_title("scatter")
axes[1].set_xlabel("x")
axes[1].grid(True)
fig.tight_layout()
plt.show()
plt.subplots(1, 2, figsize=(8, 4))는 1행 2열, 즉 그림 두 칸을 가로로 나란히 만든다. 돌려받은 fig는 그림판 전체이고, axes는 각 칸을 담은 목록이다. axes[0]은 왼쪽 칸, axes[1]은 오른쪽 칸이다. 한 칸 안에 그릴 때는 plt.plot 대신 axes[0].plot처럼 칸에 직접 명령한다. 이때 축 이름과 제목은 함수 이름이 조금 달라져서 set_xlabel, set_title을 쓴다. fig.tight_layout()은 칸들이 서로 겹치지 않도록 간격을 자동으로 정리한다.
그린 그림은 화면에 띄울 수도 있고, 파일로 저장할 수도 있다. 본문은 둘을 함께 쓴다.
plt.savefig("plot.png", dpi=120)
plt.show()
plt.savefig("plot.png", dpi=120)는 그림을 plot.png 파일로 저장한다. dpi는 해상도이며, 값이 클수록 또렷하지만 파일이 커진다. plt.show()는 그림을 화면에 띄운다. 한 가지 순서 규칙이 있다. 저장은 반드시 show보다 먼저 해야 한다. show가 먼저 실행되면 그림이 비워질 수 있어, 그 뒤의 savefig는 빈 그림을 저장하기 쉽다.
이제 본문 집필 가이드(3.2)에 실린 표준 시각화 셀 전체를 한 줄씩 읽어 본다. 앞 절들에서 다룬 문법이 모두 모여 있으므로, 이 한 덩어리를 이해하면 본문 대부분의 Python 셀을 같은 방식으로 읽을 수 있다.
import csv
import matplotlib.pyplot as plt
xs, ys = [], []
with open("data.csv") as f:
for row in csv.reader(f):
xs.append(float(row[0]))
ys.append(float(row[1]))
plt.plot(xs, ys)
plt.xlabel("x")
plt.ylabel("sin(x)")
plt.title("Computed by Fortran, plotted by Python")
plt.grid(True)
plt.savefig("plot.png", dpi=120)
plt.show()
앞의 두 줄은 csv 모듈과 matplotlib을 불러온다(B.2). 그다음 빈 리스트 두 개를 만들고, data.csv를 열어 한 줄씩 읽으며 첫 번째 열을 xs에, 두 번째 열을 ys에 모은다(B.3.1). 값이 모이면 plt.plot으로 선그래프를 그리고(B.4), 축 이름과 제목과 격자를 더해 그림을 꾸민 뒤(B.5), savefig로 파일에 저장하고 show로 화면에 띄운다(B.11). 결국 이 셀은 "Fortran이 쓴 data.csv를 읽어 선그래프로 그린 뒤 저장하고 보여 주는" 한 가지 일을 한다.
본문의 다른 그림 예제도 구조는 같다. 데이터를 읽는 부분(B.3)과 그림을 꾸미는 부분(B.5)은 거의 그대로이고, 가운데의 그리는 함수만 plot에서 scatter, bar, imshow 등으로 바뀐다. 따라서 새 예제를 만날 때는 "어떤 함수로 그렸는가" 한 곳만 확인하면 나머지는 이미 아는 형태이다.
본문 각 장의 그림 예제가 어떤 함수에 대응하는지 한눈에 정리한다. 그림을 새로 만들거나 고칠 때 이 표에서 함수를 골라 B.4~B.10의 해당 절을 펼치면 된다.
| 그리려는 것 | 사용하는 함수 | 다루는 절 | 본문에서 쓰는 장 |
|---|---|---|---|
| 값을 선으로 잇기 | plt.plot |
B.4 | 3, 4, 5, 9, 10, 11장 |
| 여러 곡선 겹치기 + 범례 | plt.plot 여러 번 + plt.legend |
B.6 | 4, 11장 |
| 점만 찍기 | plt.scatter |
B.7 | 2, 6, 13장 |
| 항목별 막대 | plt.bar |
B.8 | 1장 |
| 2차원 표를 색으로 | plt.imshow + plt.colorbar |
B.9 | 7, 8장 |
| 그림 여러 칸 배치 | plt.subplots |
B.10 | 15장 |
공통으로 쓰는 함수는 다음과 같다. 그림 크기는 plt.figure(figsize=(8, ...)), 축 이름은 plt.xlabel·plt.ylabel, 제목은 plt.title, 격자는 plt.grid(True), 저장은 plt.savefig, 표시는 plt.show이다.